在《通往精准农业之路》专栏开篇之初,有不少同学表示对于 3D 遥感技术、多光谱技术在农业中的应用很感兴趣。今天,我们专门来探讨一下这个话题,具体聊聊这些技术在植物生长监测、病虫害监测方面的应用,国内外研究与发展现状,以及探索其将来在植保无人机上的可能应用。
首先,我们得明确 3D 遥感信息是什么。所谓 3D 遥感信息,是指把三维位置和遥感光谱数据结合在一起的一体化遥感信息。
目前已有机载三维成像仪可从空中同步获得地面目标的三维位置和遥感光谱信息,实现定位、定性数据的一体化获取。
目前高分辨率的 3D 遥感影像主要用于:
1、地形分析,如坡度分析、地貌面分析、水系分析、构造分析等等;
2、地质灾害调查,通过建立灾害体的 3D 仿真模型,提取灾害体的特征信息,评价灾害体的危险性;
3、矿区矿产资源调查,是将高精度数字高程模型(DEM,Digital Elevation Model,通过有限的地形高程数据实现对地面地形的数字化表达)数据与矿区高分辨率遥感图像叠合生成三维遥感影像,反映复杂的地形、地貌、地质特征;
4、其它方面,如城市景观设计、军事地形三维仿真、工程选线等等。
3D遥感技术在病虫害监测中的应用
对于病虫害遥感监测,主要还是依据作物受不同胁迫影响后发生的光谱响应,国内外的相关研究主要集中于四个层面:1)病虫害光谱响应生理机制;2)病虫害光谱响应特征位置;3)应用于病虫害监测的植被指数;4)病虫害遥感识别和程度区分算法。
概况性地讲,目前植物病虫害胁迫下引起光谱响应的生理机制基本是明确的;病虫害光谱响应特征位置有不少研究,主要集中于典型作物的典型病虫害如小麦条锈病、白粉病,水稻褐飞虱、稻瘟病,番茄晚疫病等,但研究的作物和病虫害的种类远远不够全面;目前已研究尝试通过数十种类型的植被指数,来建立遥感信息和病虫害的发生、程度之间的关系。
关于识别和区分算法,主要是想建立病情和光谱特征之间的关系,方法模型很多,大致可以分为两类:一类是基于高光谱非成像数据建立的模型,一类是基于图像的数据分析方法。这些方法涉及了多元统计分析,数据挖掘算法和图像分析方法,目的是希望模型具有较高的精度和专一性。
应用遥感技术进行农作物不同生育期长势监测/图 来源极飞学院
3D遥感技术在植保无人机上的应用探索
显然,3D 遥感技术今后也可以应用于植保无人机。特别是若能利用低空无人机遥感测绘、建模、农情分析及“互联网+”技术,构造出“农田林地 3D 空间模型平台”,提供农田林地的空间模型、作物信息、病虫害信息、位置关系,甚至一些环境数据(包括的温度、湿度、光照等),则可对指导植保无人机仿地飞行、精准施药有极大帮助,也拓展了植保无人机的应用范围。目前这仅仅是一个愿景,但可以期待。
用无人机作为平台,通过遥感来监测植物生长情况、监测病虫害、预测收成等方面的研究早已开展,特别是产量估算/预测收成是遥感技术应用于农业的最早的研究方向之一,也是相对成熟的农业遥感应用研究。
基于遥感的产量估算早在 20 世纪 70 年代就已开始,如 1974 年美国农业部(USDA)、NASA 等部门合作实施的“大面积作物估产实验”,即 LACIE 计划,主要是利用 Landsat MSS 影像来估测小麦种植面积。
国内从事这项研究也有差不多 30 年的时间,如 80 年代中期,在国家经委的支持下,以国家气象局为主组织开展了北方 11 省市冬小麦的 NOAA/AVHRR 卫星遥感估产研究,建立了遥感影像面积测算方法。
1997 年,中国科学院“九五”重大和特别支持项目“中国资源环境遥感信息系统及农情速报”,就实现了全国小麦、玉米、大豆、水稻等大范围长势遥感监测与产量预报。
“十一五”期间,北京师范大学和国家统计局建成了“国家粮食主产区粮食作物种植面积遥感测量与估产系统”。
目前,国内外主要的作物遥感监测运行系统(集成了作物种植面积调查、长势监测和最后产量估测)就在美国、欧盟和中国。